CASO PRACTICO UNIDAD 3 – PLAN DE
MARKETING
CRISTIAN LISANDRO GARCIA PINEDA
CORPORACIÓN UNIVERSITARIA DE
ASTURIAS
ADMINISTRACIÓN Y DIRECCIÓN DE
EMPRESAS
BOGOTÁ
2021
CAMILO MAURICIO GRILLO
Introducción
El Análisis Factorial es un nombre genérico que se le ha
dado a una técnica estadística que puede ser aplicada en diferentes áreas en
las que sobresalen las áreas administrativas, es una técnica estadística
multivariante cuya finalidad es analizar las relaciones de interdependencia
existentes entre un conjunto de variables.
Este trabajo busca entender el concepto de esta técnica y de
igual manera identificar cual es el momento oportuno para que las empresas
realicen un análisis factorial, seguidamente se busca identificar las ventajas
y desventajas de la aplicación de esta técnica para las empresas.
Caso práctico unidad 3
Ejemplo de análisis factorial para la toma de decisiones de
marketing El Análisis Factorial tiene sus orígenes en los trabajos iniciados
por Charles Spearman en 1.904, donde trataba de analizar la causa de que las
puntuaciones obtenidas por un grupo de alumnos en distintas materias
presentarán altas correlaciones. Los estudios de Spearman, pusieron de
manifiesto la existencia de un factor común en todas las calificaciones, que da
una medida de la inteligencia de los alumnos, y que explicaría las altas correlaciones
existentes, y, otro factor, específico de cada alumno, que sería el responsable
de la parte residual de las calificaciones.
Actualmente, el
Análisis Multivariante se utiliza para obtener medidas de variables tales como
aptitud para las ventas, resistencia a la innovación, aceptación de nuevos
productos, etc. Así por ejemplo, una empresa que desea lanzar un nuevo artículo
al mercado, y quiere realizar un estudio acerca de la aceptación de dicho
artículo, puede, a través de una encuesta con cuestiones que midan una serie de
variables, obtener una medida de la "variable no observable" que
pretende analizar.
Dentro del Análisis Factorial, podemos distinguir dos
técnicas que, si bien tienen el mismo tratamiento matemático, sus objetivos son
distintos: El Análisis de Componentes Principales y el Análisis Factorial de
Correlaciones.
El Análisis de Componentes Principales tiene como objetivo
reducir la dimensión de un problema, en el sentido de que un número grande de
variables iniciales, se puede reducir a uno menor de nuevas variables,
denominadas Componentes, que son combinación lineal de las originales y que
además son incorrelacionadas entre sí. La reducción no supone en ningún caso
pérdida de la información relevante proporcionada por las primeras variables.
Las nuevas variables
o Componentes, se pueden utilizar con múltiples objetivos, tales como:
·
Describir con claridad gran cantidad de datos
cuantitativos y analizar las relaciones existentes entre ellos.
·
Realizar estudios Multivariantes posteriores,
como un Análisis Cluster, o construir un modelo de Regresión utilizando los
pocos datos dados por las Componentes en lugar de los muchos proporcionados por
las variables iniciales.
El Análisis Factorial de Correlaciones, se puede considerar,
en cierta manera, como un método de reducción de datos, en cuanto que el número
inicial de variables, se reduce a un número inferior de Factores, pero, el
objetivo de este método Multivariante, es precisamente, identificar y
cuantificar estos Factores Comunes.
Por otro lado, el Análisis de Componentes Principales no
exige condiciones previas acerca de la estructura de los datos de partida,
mientras que el Análisis Factorial de Correlaciones, supone la existencia de un
Modelo que ha generado dichos datos. Además, dentro del Análisis Factorial de
Correlaciones, se puede tener, o no, conocimiento del número de Factores
Comunes. Cuando no existe tal conocimiento, nos encontramos ante un problema de
Análisis Factorial Exploratorio, En otro caso, el Análisis Factorial Confirmatorio
se encargará de verificar un modelo factorial dado.
En cualquier caso, el Análisis Factorial de Correlaciones
debe:
1. Identificar los Factores Comunes existentes en el modelo.
2. Obtener las relaciones entre las variables iniciales y
los Factores Comunes.
3. Proporcionar una interpretación de los Factores Comunes.
Los resultados obtenidos por el Análisis Factorial de
correlaciones sirven de base para otras técnicas como análisis Cluster,
discriminante, regresión, ...
Como conclusión teórica sobre el Análisis Factorial decir
que éste reduce la multiplicidad de pruebas y medidas hasta lograr una
sencillez notable. Indica qué pruebas y medidas pertenecen al mismo grupo y
cuáles miden prácticamente lo mismo. Por lo tanto, reduce el número de
variables y ayuda a localizar o identificar unidades o propiedades
fundamentales en que se deben basar las pruebas.
Ejemplo práctico de análisis factorial
Utilizaremos un caso sencillo.
Una empresa especializada en el diseño de automóviles de
turismo desea averiguar cuáles son las preferencias más importantes del público
que compra estos automóviles. Con este fin diseña una encuesta de diez
preguntas y se la aplica a un grupo de potenciales clientes. Se les pide que
valoren de 1 a 5 cada una de las características. A mayor puntuación mayor
preferencia de la característica. Estas diez características son:
Se trata de averiguar si estas diez variables pueden
agruparse en pocos factores. Tabuladas las encuestas los datos se ingresan al
SPSS. Las variables (características vehiculares) se ingresan como columnas y
los datos de cada sujeto conforman una fila. Inicialmente el SPSS arroja la
respectiva Matriz de Correlaciones.
(Aunque sería necesario un curso sobre Estadística y SPSS,
os detallo que, a continuación, el SPSS nos ha proporcionado los resultados de
los tests requeridos: Test de Bartlett e Índice Kaiser-Meyer-Olkin, y los
resultados obtenidos en los dos tests indican que es posible continuar con el
Análisis Factorial).
De inmediato el SPSS nos proporciona la Tabla de
Estadísticos Iniciales, en donde todas las variables presentan la misma
comunalidad junto con sus valores propios (eigenvalues) así como los valores
porcentuales y acumulados de la varianza explicada por cada uno de los
factores.
Los datos conseguidos con el programa SPSS (sobre
Estadísticos Iniciales) destacan nítidamente dos variables: “Aerodinámico” (con
un eigenvalue de 5.70 acumula el 57% de la varianza explicada) y “Barato” (con
un eigenvalue de 2.07 acumula el 20.7% de la varianza explicada). Estas dos
variables juntas, acumulan el 77.7% de la varianza explicada.
Luego, el SPSS da la primera Matriz Factorial (No Rotada)
que presenta la “Carga Factorial” (correlaciones entre las variables iniciales
y los “factores” recién creados).
En el caso de nuestro estudio se aprecia que se han extraído
dos factores. El primer factor (Factor 1) presenta una mayor cantidad de
variables altamente correlacionadas. Hay que tener en cuenta que, el primer
factor antes de la rotación es el que mejor discrimina.
A continuación, el SPSS entrega la Tabla de Estadísticos
Finales, donde se encuentra que ha variado la “comunalidad” y que se ha
reducido el número de factores. La variación en las comunalidades es
consecuencia directa de la reducción de los factores.
Las comunalidades expresan la cantidad de información de
cada variable representada en los factores que quedan. En la Tabla de
Estadísticos Finales se puede observar que hay dos factores. De esta forma se
ha pasado de diez variables a tan sólo dos, produciéndose la pérdida de tan
solo el 22.3% de la información original representada por las diez variables
iniciales.
Vemos que las variables importantes siguen siendo las mismas
y con coeficientes muy parecidos, por lo que la interpretación no varía, y se
reduce la complejidad del análisis y el riesgo de error en el manejo de datos.
Conclusiones del ejemplo
Esto sólo ha sido un ejemplo de la necesidad de
“cuantificar” la información de Marketing para sacar conclusiones rigurosas.
El Análisis Factorial es una de las técnicas más útiles para
el análisis (en Marketing y otras disciplinas) la cual, gracias al desarrollo
de la informática, puede ser aplicada actualmente con relativa facilidad.
Además, brinda la posibilidad de optar entre diferentes procedimientos de
acuerdo a los objetivos del estudio, lo que confiere a este análisis la
posibilidad de buscar la solución más precisa, desde el punto de vista
matemático y, la más elegante, desde el punto de vista estético.
Como conclusión empírica podemos indicar que las diez
variables consideradas inicialmente han quedado reducidas a dos factores:
“economía” y “seguridad”. Se ha pasado de diez variables a dos, produciéndose
la pérdida de tan sólo el 22.3% de la información original representada por las
diez variables iniciales. Por tanto, puede aplicarse una encuesta de sólo 2 ó 3
items, por ejemplo: a) Que sea económico; b) Que sea seguro; c) Que no sea
deportivo.
Finalmente, el manejo de herramientas de Marketing de
Apoyo a las Decisiones debe seguir la siguiente secuencia: 1) Recogida de
Información - 2) Análisis de Datos - 3) Conocimiento - 4) conclusiones
Sin esta “forma de pensar” corremos el riesgo de no ser
rigurosos en la toma de decisiones y, en consecuencia, mayor riesgo de errores.
Solución
Cuestiones
¿Cuándo es oportuno realizar un análisis factorial? ¿Qué
ventajas e inconvenientes tiene esta técnica?
El análisis factorial es una técnica que se ha posicionado y
crecido en pro y utilización del área de marketing y demás áreas de
investigación de áreas administrativas a partir de los años 90, este tipo de
investigación se suele utilizar para la investigación y posterior análisis de los patrones de interrelacionados,
reducidos y clasificados y así obtener en principio, las dimensiones
separadas de la estructura y entonces determinar el grado en que se justifica
cada variable por cada dimensión. Como
consecuencia de ello, la organización desplegará un cúmulo de estrategias
direccionadas a añadir valor a los servicios y/o bienes tangibles
suministrados, capitalizar su gestión y aunar esfuerzos sustantivos en función
de ciertos criterios de focalización, (Torres y Eugenia, 2013)
¿Cuándo es oportuno realizar un análisis factorial?
Al ser un análisis multivariable es importante realizar este
cuando la investigación cuente con una gran cantidad de variables que puedan
ser análisis simultáneamente, recordemos que el análisis factorial es un método
estadístico multivariable y se enfatiza en reducir la información, es por ello
que para poder aplicar adecuadamente el análisis factorial se debe tener
claramente identificadas las variables que se desean analizar y se desee
reducir la dimensionalidad de la información con una pérdida mínima de datos,
no tener los criterios suficientes puede generar a la empresa pérdidas tanto de
tiempo como de recursos. De igual manera
el momento oportuno para realizar estos análisis es que la empresa tenga unos
objetivos y una finalidad para realizar la investigación,
realizar el análisis factorial permitirá a la empresa
determinar cuáles son las variables más influyentes en determinados procesos.
haciendo referencia a esto es importante considerar lo indicado por García, Gil
y Rodríguez (2000). Estos autores afirman que:
Un último aspecto a considerar en
relación con el análisis factorial exploratorio como procedimiento para estimar
la validez del constructo está estrechamente relacionado con la esencia misma
de este tipo de análisis. No debe olvidarse que lo que nos ofrece el análisis factorial
exploratorio son solo interpretaciones “post-hoc” de los factores y, por tanto,
dichas interpretaciones no deben considerarse como evidencias de hipótesis
formuladas a priori acerca de los constructos estudiados. Más bien deben
entenderse como vías para aproximarse a la estructura interna de ciertas
construcciones teóricas o como un modo de descubrirlas (p. 18).
¿Qué ventajas e inconvenientes tiene esta técnica?
las ventajas serían:
●
reducir la información dimensionando al menor
tamaño posible y determinando su relevancia como variable que describen los
datos con un número de conceptos mucho más reducido que las variables
individuales originales.
●
Puede utilizar factor análisis de manera
efectiva para proporcionarle una visión profunda de la demografía y el
comportamiento de compra de los clientes, esto lo ayudaría a apuntar mejor a su
mercado y lograr mayores ventas.
●
Se puede utilizar para identificar muchos
factores latentes subyacentes que otras herramientas pueden no ser capaces de
resaltar
●
Está la posibilidad de asignar puntajes a los
atributos subjetivos de factores exploratorios y análisis del factor
confirmatorios
las desventajas serían:
●
plantear mal los criterios y las variables
pueden significar un gasto de recurso y tiempo para el área investigativa.
●
Al aumentar el número de las variables también
aumenta la posibilidad de que las variables no estén correlacionadas y no sean
representativas de unos conceptos distintos, esto puede generar que los
resultados sean malinterpretados.
●
Es difícil determinar si los factores que
emergen reflejan los datos o simplemente son parte del poder del análisis
factorial para encontrar patrones.
●
se necesita de un número de variables mínimas
así mismo es necesario cumplir con el tamaño de la muestra adecuado.
●
Es difícil decidir cuántos factores incluir es
decidir cuántos factores conservar. Hay una variedad de métodos para determinar
esto, y hay poco acuerdo sobre cuál es el mejor.
●
los cálculos estadísticos se realizan mediante
una matriz de correlaciones es por ello que existe el riesgo de no cumplir con
las condiciones teóricas y obtener una solución inadecuada generada a partir el
origen de niveles críticos.
●
La interpretación del significado de los
factores es subjetiva puede decirle qué variables en su conjunto de datos «van
juntas» de maneras que no siempre son obvias.
¿Qué técnica multivariante de apoyo a las decisiones de
marketing utilizaremos si queremos segmentar el mercado?
cómo nos indica Mejia (2017) en el libro las ciencias de la
administración y el análisis multivariante:
El análisis factorial proporciona
una visión directa de las interrelaciones entre las variables o los encuestados
y un apoyo empírico para abordar las cuestiones conceptuales que tienen
relación con la estructura subyacente de los datos. Es un complemento
importante con otras técnicas multivariantes mediante el resumen y la reducción
de datos.
Estas técnicas complementarias son igualmente descriptivas o de interdependencia, Estas técnicas
realizan una descripción de las características de los diferentes segmentos de
mercado basándose en información del pasado. Podemos distinguir tres métodos
diferentes:
●
Análisis de frecuencia
●
Tablas cruzadas (Crosstabs)
●
Análisis de grupos (Cluster)
Para realizar un apoyo de las decisiones de marketing
utilizaremos Análisis de grupos (Cluster), estas son una serie de técnicas
multivariantes en donde se puede segmentar y clasificar un grupo de individuos
homogéneos.
se representan los individuos por valores, previamente
seleccionados y de igual manera seleccionadas las variables a analizar,
posteriormente se selecciona un algoritmo de clasificación para finalizar con
la estructura mediante diagramas arbóreos. Así la clave es una buena
clasificación.
Al ser una técnica
exploratoria es una buena complementación al análisis factorial permitiendo
obtener un segmento de mercado con ciertas características de similaridad que
posteriormente se analizaron junto al factorial frente a las múltiples
variables.
Conclusiones
el análisis factorial se ha convertido en una de las
herramientas de trabajo más importantes y necesarias para las empresas y para
el área de marketing, gracias a esta las empresas pueden reducir la información
en variables relacionadas con el objetivo de determinar cual de estas suelen
ser más relevantes y categorizar de igual manera la información, claro está que
realizar estos procesos investigativos implica que la empresa determine unos
objetivos, formule un modelo, determine los factor y una finalidad para
posteriormente aplicar las estrategias necesarias a partir análisis de los
resultados obtenidos. Claros ejemplo de su aplicación son la segmentación del
mercado categorizando a los individuos dependiendo de los criterios,
preferencias del consumidor o para el análisis de la competencia.
De igual manera las
empresas deben identificar correctamente las variables a analizar porque de los
contrario aplicar un análisis factorial puede ser una pérdida de tiempo y
recurso por parte del equipo de trabajo. Por otro lado, los resultados
obtenidos deben ser rectificados realizando un nuevo análisis factorial sobre
nuevas variables que estén correlacionadas en la misma muestra de la población.
Otra alternativa es realizar un nuevo análisis factorial, pero en esta ocasión
se deben retirar las variables que menor grado de relación tenga frente al
grupo de datos.
Bibliografía
García, E., Gil, J., Rodríguez, G. (2000). Análisis factorial. Madrid: La Muralla
Mejia, J. (2017). las ciencias de la administración y el análisis multivariante. Universidad de guadalajara, recuperado de: http://www.cucea.udg.mx/administra/publicaciones/portadas/pdf/ciencias%20de%20la%20admon%20Tomo%202%20EBOOK.pdf
Toca Torres, C. E. (2013). El marketing al servicio de las
organizaciones del tercer sector. Estudios Gerenciales, 29(129), 386-395. https://doi.org/10.1016/j.estger.2013.11.004
Comentarios
Publicar un comentario